retval, bestLabels, centers = kmeans(data, K, bestLabels,criteria, attempts, flags, centers=None)
函数参数:
data:需要分类数据,最好是np.float32的数据,每个特征放一列。
K:聚类个数
bestLabels:预设的分类标签或者None
criteria:迭代停止的模式选择,这是一个含有三个元素的元组型数。格式为(type, max_iter, epsilon)其中,type有如下模式:
. cv2.TERM_CRITERIA_EPS:精确度(误差)满足epsilon,则停止。
· cv2.TERM_CRITERIA_MAX_ITER:迭代次数超过max_iter,则停止。
.cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER:两者结合,满足任意一个结束。
attempts:重复试验kmeans算法次数,将会返回最好的一次结果
flags:初始中心选择,可选以下两种:
·v2.KMEANS_PP_CENTERS:使用kmeans++算法的中心初始化算法,即初始中心的选择使眼色相差最大.详细可查阅kmeans++算法。(Use kmeans++ center initialization by Arthur and Vassilvitskii)
·cv2.KMEANS_RANDOM_CENTERS:每次随机选择初始中心(Select random initial centers in each attempt.)
Kmean函数中各个参数的含义
最新推荐文章于 2023-09-27 13:01:32 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)